CN109150627B - 基于动态资源需求及拓扑感知的虚拟网络映射的构建方法 - Google Patents

Abstract

本发明揭示了一种基于动态资源需求及拓扑感知的虚拟网络映射的构建方法，包括如下步骤：S1、建立虚拟网络映射系统模型；S2、依据虚拟网络请求的优先级对虚拟网络请求进行排序，对处于相同优先级的虚拟网络请求，依据其长期受益进行排序；S3、对虚拟网络的拓扑信息进行pretag值标注，依据pretag值选择并跟进拓扑信息的子算法、进行映射；S4、依据映射结果执行相应操作。本发明解决了动态资源需求的虚拟网络请求的问题，还制定出了特有的一阶段的虚拟网络映射的子算法，使得每种拓扑结构都有针对其特有的节点重要性的计算方法，显著提升了虚拟网络映射诸如接受率等方面的性能。

Description

基于动态资源需求及拓扑感知的虚拟网络映射的构建方法

技术领域

本发明涉及一种虚拟网络映射的构建方法，具体而言，一种基于动态资源需求及拓扑感知的虚拟网络映射的构建方法，属于计算机网络科学领域。

背景技术

伴随着互联网的快速发展以及网络业务量井喷式的增长，网络虚拟化作为未来网络发展过程中所需要使用的重要技术之一，越来越受到业内研究人员的关注。

由于现有的网络模型大多都将“best efforts”作为服务模型，因而在其QoS(Quality of Service，服务质量)方面无法满足未来网络的可扩展性的要求，也因此会面临网络僵化等诸多问题。另外，由于现有利益相关者的目标策略不尽相同，从而使得创新型网络架构的实施变得异常困难。通过网络虚拟化的技术方案解决上述问题，是业内研究人员的全新尝试。网络虚拟化技术，可将传统的网络服务提供商(ISP)划分为基础设施提供商(INP)和服务提供商(SP)，基础设施提供商可以轻松地分配和释放虚拟网络资源，从而使得服务提供商可以按照需求而定制端对端的网络向基础设施提供商租借物理资源以满足不同的请求者的需求。

虚拟网络映射问题(VNE)是网络虚拟化的重要组成部分。虚拟网络映射问题主要解决的是如何将虚拟网络请求如何有效的映射到物理网络，具体而言，解决带有节点与链路约束条件的虚拟网络映射问题是一个NP-Hard问题，即使在给定节点映射情况下，带有链路约束条件下虚拟网络映射问题也是一个NP-Hard问题。在业内之前的研究中，很多论文都提出使用启发式算法去解决这个问题，但这些方案的前提都是其所使用的网络拓扑结构是随机拓扑。部分论文还研究了网络拓扑结构对映射过程的影响，而这些网络拓扑结构本身的属性特点对于虚拟网络映射问题的接受率等性能的影响非常大。除此之外，还有一些特殊的网络拓扑结构会在实际应用中被经常使用，例如，企业的局域网、CDN网络(ContentDelivery Network，内容分发网络)等星型拓扑结构的网络。

尽管目前业内对于虚拟网络映射问题已经进行了相应的研究，但就研究的深入性程度而言，仍有待突破。具体而言，尽管目前的相关研究考虑到了拓扑属性对映射的影响，但是仍然可以从多种不同的角度对这一研究进行完善。

综上所述，如何在现有技术的基础上提出一种虚拟网络映射的构建方法，在考虑到拓扑属性对映射的影响的基础上，将负载均衡和资源动态化等问题也加入研究思路中，构建出一种基于负载均衡的动态资源需求的拓扑感知的虚拟网络映射，也就成为了业内技术人员新的研究方向。

发明内容

鉴于现有技术存在上述缺陷，本发明提出了一种基于动态资源需求及拓扑感知的虚拟网络映射的构建方法，包括如下步骤：

S1、建立虚拟网络映射系统模型；

S2、依据虚拟网络请求的优先级对虚拟网络请求进行排序，对处于相同优先级的虚拟网络请求，依据其长期受益进行排序；

S3、对虚拟网络的拓扑信息进行pretag值标注，依据pretag值选择并跟进拓扑信息的子算法、进行映射；

S4、依据映射结果执行相应操作，

若映射失败，返回S2并按序继续执行后续步骤，

若映射成功，则依据ε参数判断虚拟网络请求是否变更需求，若ε＝0则表明需求变更，返回S2并按序继续执行后续步骤，若ε＝1则表明映射结束，释放所有底层资源。

优选地，S1具体包括如下步骤：

S11、将底层网络划分为物理节点与物理链路，底层网络可表示为有权的无向图

其中，N_S表示为底层物理节点的集合，L_s表示为底层物理链路的集合，

则表示为底层网络的物理节点的属性，

表示为底层网络的物理链路属性；

S12、将虚拟网络划分为虚拟节点与虚拟链路，虚拟网络可表示为加权的无向图

其中，N_v表示为虚拟节点的集合，L_v表示为虚拟链路的集合，

则表示为虚拟节点的属性，

表示为虚拟链路属性；

S13、虚拟网络请求可表示为VNRⁱ(G_V,t_a,t_d,f_i,g_i,ε,β)，

其中，t_a表示为虚拟网络请求到达时间，t_d表示虚拟网络的生命周期，i表示为第i个虚拟网络请求，f_i表示标志位，g_i表示虚拟网络请求的拓扑结构，g_i＝0表示一般拓扑、g_i＝1表示星型拓扑、g_i＝2表示环形拓扑，ε为一个二进制数、ε＝1表示释放资源、ε＝0表示改变需求，β为一个向量、β＝[β₁,β₂,β₃,β₄]、β₁＝1表示增加节点资源、β₂＝1表示减少节点资源、β₃＝1表示增加链路带宽、β₄＝1表示减少链路带宽，

当虚拟网络请求到达时，若底层网络资源满足需求，则接受其请求，反之则拒绝或延迟请求；

S14、将虚拟网络映射划分为虚拟节点映射与虚拟链路映射，得到节点映射方程f_i：N_v→N_s以及链路映射方程g_i：

结合所述节点映射方程及链路映射方程，得到对于一个虚拟网络请求的虚拟网络映射。

优选地，S1还包括如下步骤：

S15、评估虚拟网络映射的质量，评价指标包括底层网络的长期平均收益、物理网络的开销、物理网络的长期收益开销比以及虚拟网络请求的接受率。

优选地，S2具体包括如下步骤：

S21、依据终端用户接入业务的优先级判断虚拟网络请求的优先级，设置标记位f_i对优先级进行区分，设虚拟网络请求的到来服从参数为λ的泊松分布，其中，低优先级的虚拟网络请求的到来服从参数为λ_L的泊松分布，f_i＝0，高优先级的虚拟网络请求的到来服从参数为λ_H的泊松分布，f_i＝1，λ＝λ_L+λ_H；

S22、对于相同优先级的虚拟网络请求，虚拟网络根据其长期的收益进行排序，虚拟网络请求的长期的收益表达式为

其中，

θ表示为CPU资源与带宽资源的相对权重，

cpu(d_v)表示为虚拟节点d_v的CPU的需求值，而bw(l_v)表示为带宽的需求值。

优选地，S3具体包括如下步骤：

S31、计算底层网络的负载平衡，定义一个具有权重的节点与链路均衡表达式

其中，ξ、σ是代表对于节点与链路的负载的权值，ξ+σ＝1；

S32、将节点的重要性的描述表示为

使用上述表达式为节点排序，随后，虚拟网络请求在请求队列中检测其拓扑结构，并调用相应的子算法进行映射。

优选地，在S32中，当虚拟网络请求在请求队列中检测其拓扑结构为一般拓扑时，进行如下步骤：

S331、使用广度优先搜索法并根据一般拓扑请求资源的度量值，将虚拟网络请求转化为树型拓扑，对于虚拟网络的请求依次进行二二映射；

S341、按序进行节点映射，若二个节点映射成功后，利用多商品流的算法进行对应二个节点之间的链路映射；

S351、若映射成功，则计算LB(N_s,l_s)的值，反之则返回映射失败；

S361、若LB(N_s,l_s)的值大于设定的阀值，根据现有的底层网络的资源值重新计算一般拓扑请求资源的度量值，并返回S331进行重新映射，若LB(N_s,l_s)的值小于或等于设定的阀值，则表示映射成功并重新计算一般拓扑请求资源的度量值，进行下一轮映射；

S371、若虚拟网络的节点和链路全部完全映射成功则循环结束，反之则返回映射失败。

优选地，在S32中，当虚拟网络请求在请求队列中检测其拓扑结构为星型拓扑时，进行如下步骤：

S332、按照星型拓扑请求资源的度量值SRR(n_v)对虚拟网络请求进行排序，按照虚拟网络映射中接近度Close(n_i)的值对于底层网络的排序；

S342、将最大的SRR(n_v)与最大的Close(n_i)进行映射，利用多商品流的算法进行对应二个节点之间的链路映射；

S352、若映射成功，计算LB(N_s,l_s)的值，反之则返回映射失败

S362、若LB(N_s,l_s)的值大于设定的阀值，则重新计算SRR(n_v)与Close(n_i)，并返回S332进行重新映射，若LB(N_s,l_s)的值小于或等于设定的阀值，则表示二个节点和链路映射成功并重新计算SRR(n_v)与Close(n_i)，进行下一轮的映射；

S372、若虚拟网络的节点和链路全部完全映射成功则循环结束，反之则返回映射失败。

优选地，在S32中，当虚拟网络请求在请求队列中检测其拓扑结构为环形拓扑时，进行如下步骤：

S333、根据环形拓扑请求资源的度量值，对虚拟网络请求的节点进行排序，然后依次进行二二映射；

S343、按序进行节点映射，若二个节点映射成功后，利用多商品流的算法进行对应二个节点之间的链路映射；

S353、若映射成功，则计算LB(N_s,l_s)的值，反之则返回映射失败；

S363、若LB(N_s,l_s)的值大于设定的阀值，根据现有的底层网络的资源值重新计算环形拓扑请求资源的度量值，并返回S333进行重新映射，若LB(N_s,l_s)的值小于或等于设定的阀值，则表示映射成功并重新计算环形拓扑请求资源的度量值，进行下一轮映射；

S371、若虚拟网络的节点和链路全部完全映射成功则循环结束，反之则返回映射失败。

优选地，S4具体包括如下步骤：依据映射结果执行相应操作，

若映射失败，返回S2并按序继续执行后续步骤，

若映射成功，利用改进后的时间窗口模型，判断虚拟网络请求是否发生改变，

若发生改变则进行再次映射，反之则释放资源。

优选地，所述改进后的时间窗口模型包括一属性需求变换队列，所述改进后的时间窗口模型执行如下操作：

虚拟网络请求完成映射后，依据ε参数判断虚拟网络请求是否变更需求，若ε＝0则表明需求变更，随即让该虚拟网络请求进入需求改变队列，在该队列中的虚拟网络请求在下一个时间窗口优先映射，若ε＝1则表明需求未变更，虚拟网络请求时间窗口到期后释放所有底层资源。

与现有技术相比，本发明的优点主要体现在以下几个方面：

本发明通过提出一种时间新型的窗口模型的方式，有效地解决了动态资源需求的虚拟网络请求的问题。对于特定的拓扑结构，本发明还制定出了特有的一阶段的虚拟网络映射的子算法，使得每种拓扑结构都有针对其特有的节点重要性的计算方法，显著地提升了虚拟网络映射诸如接受率等方面的性能。为了避免出现热点和拥塞现象，本发明还根据算法提出了负载均衡的性能指标，从而提高了所构建出的映射的健壮性，保证了映射的稳定性和使用效果。

本发明所构建出的基于负载均衡的动态资源需求以及拓扑感知的虚拟网络映射提高了虚拟网络映射中底层网络的长期平均收益、物理网络的长期收益开销比以及虚拟网络请求的接受率，性能提升显著、应用效果良好，具有很高的使用及推广价值。

此外，本发明也为同领域内的其他相关问题提供了参考，可以以此为依据进行拓展延伸，运用于同领域内其他构建方法的技术方案中，具有十分广阔的应用前景。

以下便结合实施例附图，对本发明的具体实施方式作进一步的详述，以使本发明技术方案更易于理解、掌握。

附图说明

图1为本发明的流程示意图；

图2为虚拟网络映射案例示意图；

图3为节点重要性比较示意图；

图4为本发明中改进后的时间窗口模型示意图；

图5为虚拟网络请求的接受率的实验结果对比图；

图6为物理网络的长期收益开销比的实验结果对比图。

具体实施方式

如图1所示，本发明揭示了一种基于动态资源需求及拓扑感知的虚拟网络映射的构建方法，包括如下步骤：

S1、建立虚拟网络映射系统模型；

S2、依据虚拟网络请求的优先级对虚拟网络请求进行排序，对处于相同优先级的虚拟网络请求，依据其长期受益进行排序；

S3、对虚拟网络的拓扑信息进行pretag值标注，依据pretag值选择并跟进拓扑信息的子算法、进行映射；每个子算法中为了防止出现hot-spot的现象，都会计算负载均衡的LB的metric值,并以此判断是否进行re-mapping。

S4、依据映射结果执行相应操作，

若映射失败，返回S2并按序继续执行后续步骤，

若映射成功，则依据ε参数判断虚拟网络请求是否变更需求，若ε＝0则表明需求变更，返回S2并按序继续执行后续步骤，若ε＝1则表明映射结束，释放所有底层资源。

以下对上述步骤进行分步具体说明。

S1具体包括如下步骤：

S11、将底层网络划分为物理节点与物理链路，底层网络可表示为有权的无向图

其中，N_S表示为底层物理节点的集合，L_s表示为底层物理链路的集合，

则表示为底层网络的物理节点的属性(例如CPU能力、资源存储能力，转发能力等)，

表示为底层网络的物理链路属性(例如带宽，时延等)；

S12、虚拟网络相对应于物理网络，将虚拟网络划分为虚拟节点与虚拟链路，所述虚拟节点可以为虚拟服务器或者虚拟路由器，虚拟链路对应于底层物理网络的一条或者多条物理链路，其实现了虚拟节点之间的通信，虚拟网络可表示为加权的无向图

其中，N_v表示为虚拟节点的集合，L_v表示为虚拟链路的集合，

则表示为虚拟节点的属性(例如CPU需求、资源存储需求、转发需求等)，

表示为虚拟链路属性(例如带宽需求、时延要求等)；

S13、虚拟网络请求可表示为VNRⁱ(G_V,t_a,t_d,f_i,g_i,ε,β)，

其中，t_a表示为虚拟网络请求到达时间，t_d表示虚拟网络的生命周期，i表示为第i个虚拟网络请求，f_i表示标志位、用于说明此虚拟网络请求的优先级，g_i表示虚拟网络请求的拓扑结构，g_i＝0表示一般拓扑、g_i＝1表示星型拓扑、g_i＝2表示环形拓扑，ε为一个二进制数、ε＝1表示释放资源、ε＝0表示改变需求，β为一个向量、β＝[β₁,β₂,β₃,β₄]、β₁＝1表示增加节点资源、β₂＝1表示减少节点资源、β₃＝1表示增加链路带宽、β₄＝1表示减少链路带宽，

当虚拟网络请求到达时，若底层网络资源满足需求，则接受其请求，反之则拒绝或延迟请求；

S14、将虚拟网络映射划分为虚拟节点映射与虚拟链路映射，得到节点映射方程f_i：N_v→N_s以及链路映射方程g_i：

结合所述节点映射方程及链路映射方程，得到对于一个虚拟网络请求的虚拟网络映射。

如图2所示，有2个虚拟网络请求分别映射到底层物理网络的虚拟网络映射。其中虚拟网络请求1中的A、B、C三个虚拟节点分别映射到底层网络的中的a、f、e三个物理节点中，A-B、A-C二条虚拟链路分别映射到物理网络中的a-f,f-e二条物理链路中。同样的，虚拟网络请求2中D、E、F三个虚拟节点分别映射到底层网络的中的f、a、b三个物理节点中，D-E、D-F、E-F三条虚拟链路分别映射到物理网络中f-a、f-b、a-b三条物理链路中。

S1还包括如下步骤：

S15、评估虚拟网络映射的质量，评价指标包括底层网络的长期平均收益、物理网络的开销、物理网络的长期收益开销比以及虚拟网络请求的接受率。

所述评价指标是为了评估出虚拟网络映射的质量，每一个评价的指标是针对于不同的目标函数而言的，本文主要针对基础设施提供商的长期收益的角度去衡量映射的效果。以下对上述评价指标进行具体说明：

所述底层网络的长期平均收益是指接受虚拟网络请求从而为基础设施提供商带来的经济利益，在时刻t底层网络接受一个虚拟网络的收益可以定义为该虚拟网络请求的CPU的资源需求和带宽的资源需求之和，即

其中，

θ表示为CPU资源与带宽资源的相对权重，

cpu(d_v)表示为虚拟节点d_v的CPU的需求值，而bw(l_v)表示为带宽的需求值。

底层网络的长期平均收益可以定义为

所述物理网络的开销主要表征有多少底层物理资源用于映射虚拟网络。在时刻t接受一个虚拟网络的开销定义为

其中，

θ表示为CPU资源与带宽资源的相对权重，

当分配资源时候其值为1，否则为0，

则表示虚拟网络映射到物理链路中的条数。本实施例中

θ＝0.5。

底层网络的长期平均开销可以定义为

所述物理网络的长期收益开销比是为了评估物理资源的利用率，这样可以公平的评估出一个算法对于经济利益的好坏，而单纯的开销和收益在节点数目不同或者链路的连接率不一样时候则无法做到公平。由上述公式可以得到所述物理网络的长期收益开销比为

由于在高效的映射算法中，物理网络可以接受更多的虚拟网络请求，因此虚拟网络请求的接受率也是衡量算法好坏一个指标，其定义为

其中

表示在0到T时刻，物理网络成接受虚拟网络请求的个数，类似的是

表示在0到T时刻，虚拟网络请求的总的个数。

S2具体包括如下步骤：

S21、依据终端用户接入业务的优先级判断虚拟网络请求的优先级，例如视频用户，对时延要求比较高，可以设置为高优先级，而如大数据业务，则可以设置为低优先级，设置标记位f_i对优先级进行区分，设虚拟网络请求的到来服从参数为λ的泊松分布，其中，低优先级的虚拟网络请求的到来服从参数为λ_L的泊松分布，f_i＝0，高优先级的虚拟网络请求的到来服从参数为λ_H的泊松分布，f_i＝1，λ＝λ_L+λ_H；这样一来，高优先级的虚拟网络请求和低优先级的虚拟网络请求到来的概率分别为

二者均服从独立的指数分布。

S22、对于相同优先级的虚拟网络请求，虚拟网络根据其长期的收益进行排序，虚拟网络请求的长期的收益表达式为

其中，

θ表示为CPU资源与带宽资源的相对权重，

cpu(d_v)表示为虚拟节点d_v的CPU的需求值，而bw(l_v)表示为带宽的需求值。

S3具体包括如下步骤：

S31、计算底层网络的负载平衡，对于负载的定义可以从节点与链路二个方面考虑，高负载则会造成丢包和不必要的时延。因此负载均衡对于网络来说是一个重要的指标。本技术方案中把负载均衡作为是否re-mapping的重要依据。因此，定义一个具有权重的节点与链路均衡表达式

其中，ξ、σ是代表对于节点与链路的负载的权值，ξ+σ＝1；对于节点负载要求高的我们可以设置高的ξ值，相反，链路负载要求高时可以设置高的σ值，本文将设置不同的组合来仿真负载均衡对映射的影响。

S32、将节点的重要性的描述表示为

使用上述表达式为节点排序，此时会出现这样一种情况，如图3所示,A的节点的重要性为120*(15+20)而B为35*(20+30+15)明显发现A比B重要，但是现实是B更加容易映射成功，因为A在链路映射中失败的可能性更大。例如，30的CPU和25的带宽的需求，这样A会链路映射失败。此外即使A能够映射成功，有可能在虚拟网络中邻接的节点，映射到物理网络中，其会相距很远，这样会造成不必要的资源的浪费，从而影响映射的性能。所以单一节点的评价标准，不会适应全部的网络拓扑。所以本技术方案从特殊的网络拓扑着手，研究不同的网络的拓扑对虚拟网络映射的影响。随后，虚拟网络请求在请求队列中检测其拓扑结构，并调用相应的子算法进行映射。

本文中所考虑的拓扑结构主要包括一般网络拓扑、星型拓扑以及环形拓扑。以下进行具体说明：

现实中，一般都是用特殊网络拓扑组合在一起形成一般网络拓扑结构，在节点映射时，我们要考虑节点的重要性，本方案将一般网络拓扑当中一个物理场。在物理学的势场理论中，空间中的任何一点，其势值与点到场源的距离成递减关系，同时与对应的场源强度成正比关系。此处应用了势场函数

后来研究者利用信息论中熵权法对节点重要性进行了评估，但是其算法的复杂度较高，集成在映射算法中使虚拟网络映射的算法更加复杂，因此并不能在实际中得到很好的应用。受此启发，本方案可以将每一个节点看作一个场源，每个节点间跳数可以看作距离，从而可以得到基于势场理论的节点重要性的定义一般拓扑请求资源(general-topology request resource，GRR)：

其中，α表示比例系数，以表示相关的系数，而dis(n_v,n_j)则表示虚拟网络中的v、j节点之间的距离用跳数表示。

在S32中，当虚拟网络请求在请求队列中检测其拓扑结构为一般拓扑时，进行如下步骤：

S331、使用广度优先搜索法(BFS)并根据一般拓扑请求资源的度量值，将虚拟网络请求转化为树型拓扑，对于虚拟网络的请求依次进行二二映射；

S341、按序进行节点映射，若二个节点映射成功后，利用多商品流的算法(MCF)进行对应二个节点之间的链路映射；

S351、若映射成功，则计算LB(N_s,l_s)的值，反之则返回映射失败；

S361、若LB(N_s,l_s)的值大于设定的阀值，根据现有的底层网络的资源值重新计算一般拓扑请求资源的度量值，并返回S331进行重新映射，若LB(N_s,l_s)的值小于或等于设定的阀值，则表示映射成功并重新计算一般拓扑请求资源的度量值，进行下一轮映射；

S371、若虚拟网络的节点和链路全部完全映射成功则循环结束，反之则返回映射失败。

星型拓扑是网络中最常见的拓扑，其由hub节点与spoke节点组成，其网络拓扑结构可以看出，hub节点应该有高的节点重要性，其原因在不仅是hub节点有较高CPU，也在于hub节点有较高的连接性。因此我们定义星型拓扑请求资源(star-topology requestresource，SRR)为：

SRR(n_v)＝cpu(n_v)deg(n_v)，

其中，deg(n_v)代表n_v的连接度，这样相比于上文中的其他表达式，这一表达式充分利用了星型拓扑的特殊结构，简化了计算节点重要性的复杂度。

假设虚拟网络映射中的hub节点映射到物理节点n_i，我们考虑n_i本身的要到各个节点的距离近，本方案利用图论中接近度(closeness centrality)来表示到其他节点的最短路径的平均距离，不同于传统图论中的接近度，虚拟网络映射中的接近度更关心的该节点到其他节点的带宽的值，因此可以定义：

在S32中，当虚拟网络请求在请求队列中检测其拓扑结构为星型拓扑时，进行如下步骤：

S332、按照星型拓扑请求资源的度量值SRR(n_v)对虚拟网络请求进行排序，按照虚拟网络映射中接近度Close(n_i)的值对于底层网络的排序；

S342、将最大的SRR(n_v)与最大的Close(n_i)进行映射，利用多商品流的算法(MCF)进行对应二个节点之间的链路映射；

S352、若映射成功，计算LB(N_s,l_s)的值，反之则返回映射失败

S362、若LB(N_s,l_s)的值大于设定的阀值，则重新计算SRR(n_v)与Close(n_i)，并返回S332进行重新映射，若LB(N_s,l_s)的值小于或等于设定的阀值，则表示二个节点和链路映射成功并重新计算SRR(n_v)与Close(n_i)，进行下一轮的映射；

S372、若虚拟网络的节点和链路全部完全映射成功则循环结束，反之则返回映射失败。

环形拓扑的特征在于每一个节点的度数是相同的，且每个虚拟节点都是可以互通的，因此上述公式并不能很好适用于环形拓扑。节点的重要性可以根据上述公式计算，在顺序映射的过程中，映射完一个虚拟节点时，再映射第二虚拟节点时候，考虑到候选的物理节点与第一个已经映射的物理节点的连接性，应该优先考虑有连接性的物理节点。因此我们可以定义环形拓扑请求资源(ring-topology request resource，RRR)为

在S32中，当虚拟网络请求在请求队列中检测其拓扑结构为环形拓扑时，进行如下步骤：

S333、根据环形拓扑请求资源的度量值，对虚拟网络请求的节点进行排序，然后依次进行二二映射；

S343、按序进行节点映射，若二个节点映射成功后，利用多商品流的算法(MCF)进行对应二个节点之间的链路映射；

S353、若映射成功，则计算LB(N_s,l_s)的值，反之则返回映射失败；

S363、若LB(N_s,l_s)的值大于设定的阀值，根据现有的底层网络的资源值重新计算环形拓扑请求资源的度量值，并返回S333进行重新映射，若LB(N_s,l_s)的值小于或等于设定的阀值，则表示映射成功并重新计算环形拓扑请求资源的度量值，进行下一轮映射；

S371、若虚拟网络的节点和链路全部完全映射成功则循环结束，反之则返回映射失败。

S4具体包括如下步骤：依据映射结果执行相应操作，

若映射失败，返回S2并按序继续执行后续步骤，

若映射成功，利用改进后的时间窗口模型，判断虚拟网络请求是否发生改变，

若发生改变则进行再次映射，反之则释放资源。

为了让虚拟网络请求更有可实现性，使用了改进时间窗口的模型，原有的时间窗口模型主要思想在于在一个时间窗口内，收集到一系列的虚拟网络请求，首先根据收益(revenue)排序，然后在顺序映射，如果在一个时间窗内没有完成映射或者因为资源短缺而被拒绝的虚拟网络请求重新返回队列中，等待下个时间窗口再次映射。

本方案中所述改进后的时间窗口模型如图4所示，在原有的时间窗口模型的基础上增加了一属性需求变换队列，如果虚拟网络请求完成映射后，不是直接释放资源，而是询问虚拟网络请求的需求是否改变。在之前的部分中，已经在虚拟网络请求的定义中定义了一个ε参数，此处以此为依据进行判断。ε＝1表示释放资源，ε＝0则表示改变需求，如果ε＝0，则让其进入了需求改变队列，这个队列中的虚拟网络请求在下一个时间窗口率先映射，无须在等待队列中排序等待，这样会大大提高用户的体验，而且接受率也会提高。如果没有发生需求改变，虚拟网络请求时间窗口到期后，立刻释放其物理资源。

以下结合仿真实验的结果对本发明的算法性能进行评估。

使用Matlab来评估算法性能，物理网络以及虚拟网络通过GT-ITM工具产生。具体的参数类如下：

底层网络拓扑被设置为具有100个节点和约500条链路，底层网络节点CPU资源与带宽资源服从50-100的均匀分布。我们以100时间单元为一个时间窗口，本实验中假设每个时间窗口内虚拟网络请求的到达服从均值为5的泊松分布，假设其中高优先级的虚拟网络到达服从值为2的泊松分布，而低优先级的虚拟网络服从值为3的泊松分布。每一个虚拟网络的生存时间服从指数分布，其中虚拟网络未到达生存时间而改变需求的概率为0.5,对于每一个虚拟网络请求，虚拟网络节点服从2-10的均匀分布，每一对虚拟网络节点以0.5的概率相连。虚拟网络节点CPU资源与链路带宽资源需求服从0-50的均匀分布。每次模拟实验运行时间约500时间窗口。

综上所述，本发明为了实现虚拟网络的请求的资源动态化，基于负载均衡与拓扑属性提出了VNE_LDT算法，从仿真结果图5、图6来看，本发明提高了物理网络的长期收益开销比以及虚拟网络请求的接受率。

本发明通过提出一种时间窗口模型的方式，有效地解决了动态资源需求的虚拟网络请求的问题。对于特定的拓扑结构，本发明还制定出了特有的一阶段的虚拟网络映射的子算法，使得每种拓扑结构都有针对其特有的节点重要性的计算方法，显著地提升了虚拟网络映射诸如接受率等方面的性能。为了避免出现热点(hot spots)和拥塞现象，本发明还根据算法提出了负载均衡的性能指标，从而提高了所构建出的映射的健壮性，保证了映射的稳定性和使用效果。

本发明所构建出的基于负载均衡的动态资源需求以及拓扑感知的虚拟网络映射提高了虚拟网络映射中底层网络的长期平均收益、物理网络的长期收益开销比以及虚拟网络请求的接受率，性能提升显著、应用效果良好，具有很高的使用及推广价值。

此外，本发明也为同领域内的其他相关问题提供了参考，可以以此为依据进行拓展延伸，运用于同领域内其他构建方法的技术方案中，具有十分广阔的应用前景。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神和基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内，不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (1)

1.一种基于动态资源需求及拓扑感知的虚拟网络映射的构建方法，其特征在于，包括如下步骤：

S1、建立虚拟网络映射系统模型；

S2、依据虚拟网络请求的优先级对虚拟网络请求进行排序，对处于相同优先级的虚拟网络请求，依据其长期受益进行排序；

S3、对虚拟网络的拓扑信息进行pretag值标注，依据pretag值选择并跟进拓扑信息的子算法、进行映射；

S4、依据映射结果执行相应操作，

若映射失败，返回S2并按序继续执行后续步骤，

若映射成功，则依据ε参数判断虚拟网络请求是否变更需求，若ε＝0则表明需求变更，返回S2并按序继续执行后续步骤，若ε＝1则表明映射结束，释放所有底层资源；

S1具体包括如下步骤：

S11、将底层网络划分为物理节点与物理链路，底层网络可表示为有权的无向图

其中，N_S表示为底层物理节点的集合，L_s表示为底层物理链路的集合，

则表示为底层网络的物理节点的属性，

表示为底层网络的物理链路属性；

S12、将虚拟网络划分为虚拟节点与虚拟链路，虚拟网络可表示为加权的无向图

其中，N_v表示为虚拟节点的集合，L_v表示为虚拟链路的集合，

则表示为虚拟节点的属性，

表示为虚拟链路属性；

S13、虚拟网络请求可表示为VNRⁱ(G_V，t_a，t_d，f_i，g_i，ε，β)，

其中，t_a表示为虚拟网络请求到达时间，t_d表示虚拟网络的生命周期，i表示为第i个虚拟网络请求，f_i表示标志位，g_i表示虚拟网络请求的拓扑结构，g_i＝0表示一般拓扑、g_i＝1表示星型拓扑、g_i＝2表示环形拓扑，ε为一个二进制数、ε＝1表示释放资源、ε＝0表示改变需求，β为一个向量、β＝[β₁，β₂，β₃，β₄]、β₁＝1表示增加节点资源、β₂＝1表示减少节点资源、β₃＝1表示增加链路带宽、β₄＝1表示减少链路带宽，

当虚拟网络请求到达时，若底层网络资源满足需求，则接受其请求，反之则拒绝或延迟请求；

S14、将虚拟网络映射划分为虚拟节点映射与虚拟链路映射，得到节点映射方程f_i：N_v→N_s以及链路映射方程g_i：

结合所述节点映射方程及链路映射方程，得到对于一个虚拟网络请求的虚拟网络映射；

S15、评估虚拟网络映射的质量，评价指标包括底层网络的长期平均收益、物理网络的开销、物理网络的长期收益开销比以及虚拟网络请求的接受率；

S2具体包括如下步骤：

S21、依据终端用户接入业务的优先级判断虚拟网络请求的优先级，设置标记位f_i对优先级进行区分，设虚拟网络请求的到来服从参数为λ的泊松分布，其中，低优先级的虚拟网络请求的到来服从参数为λ_L的泊松分布，f_i＝0，高优先级的虚拟网络请求的到来服从参数为λ_H的泊松分布，f_i＝1，λ＝λ_L+λ_H；

S22、对于相同优先级的虚拟网络请求，虚拟网络根据其长期的收益进行排序，虚拟网络请求的长期的收益表达式为

其中，

θ表示为CPU资源与带宽资源的相对权重，

cpu(d_v)表示为虚拟节点d_v的CPU的需求值，而bw(l_v)表示为带宽的需求值；

S3具体包括如下步骤：

S31、计算底层网络的负载平衡，定义一个具有权重的节点与链路均衡表达式

其中，ξ、σ是代表对于节点与链路的负载的权值，ξ+σ＝1；

S32、将节点的重要性的描述表示为

使用上述表达式为节点排序，随后，虚拟网络请求在请求队列中检测其拓扑结构，并调用相应的子算法进行映射；

在S32中，当虚拟网络请求在请求队列中检测其拓扑结构为一般拓扑时，进行如下步骤：

S331、使用广度优先搜索法并根据一般拓扑请求资源的度量值，将虚拟网络请求转化为树型拓扑，对于虚拟网络的请求依次进行二二映射；

S341、按序进行节点映射，若二个节点映射成功后，利用多商品流的算法进行对应二个节点之间的链路映射；

S351、若映射成功，则计算LB(N_s，l_s)的值，反之则返回映射失败；

S361、若LB(N_s，l_s)的值大于设定的阀值，根据现有的底层网络的资源值重新计算一般拓扑请求资源的度量值，并返回S331进行重新映射，若LB(N_s，l_s)的值小于或等于设定的阀值，则表示映射成功并重新计算一般拓扑请求资源的度量值，进行下一轮映射；

S371、若虚拟网络的节点和链路全部完全映射成功则循环结束，反之则返回映射失败；

在S32中，当虚拟网络请求在请求队列中检测其拓扑结构为星型拓扑时，进行如下步骤：

S332、按照星型拓扑请求资源的度量值SRR(n_v)对虚拟网络请求进行排序，按照虚拟网络映射中接近度Close(n_i)的值对于底层网络的排序；

S342、将最大的SRR(n_v)与最大的Close(n_i)进行映射，利用多商品流的算法进行对应二个节点之间的链路映射；

S352、若映射成功，计算LB(N_s，l_s)的值，反之则返回映射失败

S362、若LB(N_s，l_s)的值大于设定的阀值，则重新计算SRR(n_v)与Close(n_i)，并返回S332进行重新映射，若LB(N_s，l_s)的值小于或等于设定的阀值，则表示二个节点和链路映射成功并重新计算SRR(n_v)与Close(n_i)，进行下一轮的映射；

S372、若虚拟网络的节点和链路全部完全映射成功则循环结束，反之则返回映射失败；

在S32中，当虚拟网络请求在请求队列中检测其拓扑结构为环形拓扑时，进行如下步骤：

S333、根据环形拓扑请求资源的度量值，对虚拟网络请求的节点进行排序，然后依次进行二二映射；

S343、按序进行节点映射，若二个节点映射成功后，利用多商品流的算法进行对应二个节点之间的链路映射；

S353、若映射成功，则计算LB(N_s，l_s)的值，反之则返回映射失败；

S363、若LB(N_s，l_s)的值大于设定的阀值，根据现有的底层网络的资源值重新计算环形拓扑请求资源的度量值，并返回S333进行重新映射，若LB(N_s，l_s)的值小于或等于设定的阀值，则表示映射成功并重新计算环形拓扑请求资源的度量值，进行下一轮映射；

S371、若虚拟网络的节点和链路全部完全映射成功则循环结束，反之则返回映射失败；

S4具体包括如下步骤：

依据映射结果执行相应操作，

若映射失败，返回S2并按序继续执行后续步骤，

若映射成功，利用改进后的时间窗口模型，判断虚拟网络请求是否发生改变，

若发生改变则进行再次映射，反之则释放资源；

所述改进后的时间窗口模型包括一属性需求变换队列，所述改进后的时间窗口模型执行如下操作：

虚拟网络请求完成映射后，依据ε参数判断虚拟网络请求是否变更需求，若ε＝0则表明需求变更，随即让该虚拟网络请求进入需求改变队列，在该队列中的虚拟网络请求在下一个时间窗口优先映射，若ε＝1则表明需求未变更，虚拟网络请求时间窗口到期后释放所有底层资源。

Images